用途：检测邮件、文档、图片、聊天日志、通话转录和系统日志等非结构化数据中的个人身份信息（PII），用于隐私合规与数据发现。
主要能力：采用Microsoft Presidio与spaCy框架，并行运行多种识别器，包括基于transformer的NER模型（识别PERSON、ORG、GPE、DATE、MONEY等）、正则模式识别（邮箱、UK国民保险号、英国电话、IBAN、信用卡（含Luhn校验）、IPv4、出生日期等）以及组织自定义识别器，并提供上下文增强（关键词邻近、章节标题加权、代码块负向降权）。OCR环节支持Tesseract或Azure AI Document Intelligence，按扫描件类型（护照、账单、医疗证明、合同、支票）选择策略，并依据OCR质量调整置信度。
置信度框架：模式匹配占40%、NER模型占30%、上下文增强占20%、来源质量占10%；HIGH（85-100%）自动分类标注，MEDIUM（70-84%）转人工复核，LOW（50-69%）仅记录审计，低于50%抑制。
使用方式：提供概念性流程示例，包括邮件扫描管线（Graph API取信、正文与附件文本提取、Presidio分析、映射元数据、Purview打标）、日志扫描与聊天消息扫描策略（按会话线程扫描以保留上下文）。
适用场景：企业非结构化数据隐私合规、数据清单扩展、敏感度标签自动应用、分类策略输入。
限制：文档未给出完整可运行代码与安装命令，示例仅为概念性管线；OCR对低质量图像、手写和口音转录存在精度损失；准确率目标仅为参考基准，实际效果依数据源而定。